主要解决移动机器人路径规划问题，采用Matlab语言编程。

主控AR7240+9283 ，自己编译的最新版LEDE 17.01，本固件带不死BREED，并添加了高通fast path 和SFE转发加速引擎,亲测完美使用,可以自由关闭和打开,无BUG

leaflet-ant-path.js leaflet-ant-path.js

path_planning: Frenet下的无人车路径规划的python程序

Priority-Based Genetic Algorithm for Shortest Path Routing Problem in OSPF 主要介绍了遗传算法求解最短路径问题中的基于优先级的编码。这种编码方式可以很有效地解决图的最短路径等问题。

教材分享， djvu格式 作者：Resnick S.I., Birkhause， 1999年版本

单路径一枪NAS 此存储库提供了Zichao Guo等人基于Pytorch的SPOS（）的实现。 al。 此仓库仅包含“块搜索”以供参考。 在ImageNet上训练该网络非常耗时，这使我无法在现有资源下完成实验。 因此，此回购协议主要集中在CIFAR-10上，非常感谢Zichao Guo在某些细节上的建议。 但是，与仍有一些差异，例如数据预处理和一些超级参数。 我已经对CIFAR-10数据集进行了超网训练，并随机采样了1K模型进行验证。 模型检查点和精度分布如下： 超级网 随机搜索 环境环境 Python == 3.6.8, Pytorch == 1.1.0, CUDA == 9.0.176, cuDNN == 7.3.0, GPU == Single GTX 1080Ti 数据集 SPOS可以直接在CIFAR-10和ImageNet上进行训练。 可以使用此代码自动下载CIFA

AM slicer可以从STL文件生成gcode，可以定义打印机参数和一些打印设置但是，这仅仅是一个基本版本，无法判断实体层（目前由z-hight判断），并且无法生成支持，填充路径规划算法效率低下。 切片机已通过实际的打印测试，并根据面积差异（不保证准确）建立了自适应算法。 请在实际打印之前使用Cura预览切片结果https://ultimaker.com/software/ultimaker-cura 关键过程之一triangle_plane_intersection 是从Sunil Bhandari 复制的https://www.mathworks.com/matlabcentral/fileexchange/62113-slice_stl_create_path-triangles-slice_height ＃ 用法运行main.m，修改filenam gfilename ＃

Camera Path Animator - Animate Cutscenes with Splines 3.61 Unity 5 compatible Create, edit and preview camera animation within the editor and avoid having to compile the scene to see every change. Animate a Camera or GameObject in Unity with ease and no need to touch code Perfect for creating cutscenes, architectural visualisations, fly throughs and cinematics Preview your camera animation within the Unity editor, no need to press play Custom made GUI to assist you creating your camera/gameobject animation Powerful implementation of Bezier and Hermite curves, fully normalised for complete control. Suitable for mobile and 2D Includes an integrated C# event system Multiple modes including mouse look, track target, loop, ping pong Mature, stable codebase. No DLLs, full source included

本文提出了一种基于扰动观测器的带输入扰动的轮式移动机器人路径跟踪问题的模型预测控制。 设计了一个非线性干扰观测器来估计干扰，并补偿干扰的影响。 针对轮式移动机器人的输入约束，采用具有渐近收敛性的名义模型预测控制方案。 仿真示例表明，尽管存在缓慢变化的输入扰动，但所提出的方案仍可以驱动轮式移动机器人遵循给定的路径。